Marie-Aline CAVARROC

Ancien Membre de l'équipe INCA

	Thèse soutenue lundi 31 janvier 2005, à 10h30 - salle de seminaire du premier etage (163) au CMI, 39 rue Joliot Curie Application des Réseaux Bayesiens de classification à l'étude des causalités en information géographique.

THÈSE

Sujet de thèse : Réseaux bayésiens pour la recherche de causalités spatiales Directeur(s) de thèse : Jeansoulin, R. Date de début de thèse : janvier 2001 Financement(s) : salariée sous contrat Résumé : La question du pourquoi est universelle, mais lorsqu'elle est localisée dans l'espace, elle interroge plus particulièrement l'inférence, ou l'explication, dans un contexte plus contraint en fonction de relations spatiales. L'objectif de ce travail est de cerner ces restrictions et de proposer des approches de détection de relations causales dans ce contexte : ce que nous nommons causalité spatiale. Hypothèse. « Qu'y-a-t-il à tel endroit ? » est une question de nature ontologique aussi ancienne que les premiers texte, tout comme la question de la causalité « pourquoi y-a-t-il cela ? ». Aristote a, parmi les premiers, tenté de formaliser des réponses aussi bien à la première question (par les catégories), qu'à la seconde (par les causes). Dans le domaine numérique, la notion d'inférence proposée par Bayes est incontournable. Pour la recherche de causes, elle est à rapprocher de l'inférence abductive dans le domaine logique. On a cherché à étendre l'intérêt d'utiliser des contraintes connues (ou règles) évident en logique, au domaine numérique, en utilisant le concept de « réseaux bayésiens ». Cette double base d'approches d'explications par le numérique et par le symbolique, constitue donc l'hypothèse de notre travail. Thèses. Peux-t-on approcher la réponse à la question « pourquoi y-a-t-il cela à tel endroit ? » par une combinaison des deux (numerique/symbolique) ? Nous avons bâti une expérimentation pour apporter une réponse positive à cette question. Le contexte d'application est l'étude de l'évolution d'un paysage agricole. Connaissant un faisceu d'information à une certaine date, ainsi que l'évolution constatée à une seconde date, on utilise l'approche bayésienne contrainte pour doter notre information d'une structure de causalité explicative de l'évolution. La deuxième thèse se rapporte à l'intérêt de ces mêmes réseaux bayésiens en classification : un comportement identique en résultat d'inférence, permet de construire des classes d'équivalence dans l'ensemble initial d'information. C'est une approche de classification. La troisième thèse est un autre corollaire du premier résultat sur les réseaux bayésiens : en utilisant l'inférence et les relations de causalité, il est possible d' « augmenter » une base de données, ou de compléter une base incomplète. L'ensemble de ces travaux a été mené gràce à la collaboration du Cemagref pour les données et l'expertise prodiguées, et au soutien de la communauté européenne, au travers du projet REVIGIS (IST-1999-14189).

PUBLICATIONS

[ présentation : catégorie > année / année > catégorie / compacte / BibTeX ]

@phdthesis {Cavarroc05, author = {Marie-Aline Cavarroc}, title = {Application des R\'{e}seaux Bayesiens de classification \`{a} l'\'{e}tude des causalit\'{e}s en information g\'{e}ographique}, type = {th\`{e}se de doctorat}, school = {Universit\'{e} de Provence (Aix-Marseille 1)}, month = {31 janvier}, year = {2005}, note = {directeur : Robert Jeansoulin, co-directeur : Salem Benferhat}, equipe = {INCA} }

@inproceedings {BCJ04, audience = {internationale}, author = {Benferhat, S. and Cavarroc, M-A. and Jeansoulin, R.}, title = {Modeling Landuse Changes Using Bayesian Classifiers}, booktitle = {International Conference on Advances in Intelligent Systems - Theory and Applications}, editor = {F. Zimmer, M. Mohammadian and D. Khadraoui}, organization = {AISTA 2004}, volume = {Conference proceedings with an ISBN}, pages = {xx-xx}, publisher = {IEEE Computer Society}, address = {Centre de Recherche Public Henri Tudor, Luxembourg-Kirchberg, Luxembourg}, month = {November 15--18}, year = {2004}, equipe = {INCA} }

@inproceedings {SBMCRJ04, audience = {internationale}, author = {Salem Benferhat and Marie-Aline Cavarroc and Robert Jeansoulin}, title = {Modeling Landuse changes using Bayesian Networks}, booktitle = {the 22nd IASTED International Conference, Artificial Intelligence and Applications, AIA}, editor = {IASTED}, organization = {International Association of Science and Technology for Development}, address = {Innsbruck, Austria}, month = {February 16--18}, year = {2004}, equipe = {INCA} }

@conference {CavarrocJeansoulin98, author = {M-A Cavarroc and R. Jeansoulin}, title = {L'apport des r\'eseaux bayesiens pour la recherche de causalit\'es spatio-temporelles}, booktitle = {Assises Cassini'98}, address = {Marne la Vall\'ee}, year = {1998}, equipe = {INCA} }

webmaster